Python常见排序算法有哪些？

冒泡排序时间复杂度O(n²)，空间复杂度O(1)，稳定；选择排序O(n²)，O(1)，不稳定；插入排序平均O(n²)，最好O(n)，稳定；快速排序平均O(n log n)，空间O(log n)，不稳定；归并排序始终O(n log n)，空间O(n)，稳定；堆排序O(n log n)，空间O(1)，不稳定；Timsort结合归并与插入，最好O(n)，稳定，为Python默认排序算法。

Python中常见的排序算法有很多，虽然日常开发中我们通常使用内置的sort()或sorted()函数，但了解底层的常见排序算法有助于理解性能差异和应对面试。以下是几种经典的排序算法：

1. 冒泡排序（Bubble Sort）

冒泡排序通过重复遍历列表，比较相邻元素并交换位置，将最大值“冒泡”到末尾。

• 时间复杂度：O(n²)，不适合大数据量
• 空间复杂度：O(1)，原地排序
• 稳定排序

适合教学理解，实际应用较少。

2. 选择排序（Selection Sort）

每次从未排序部分选出最小元素，放到已排序部分的末尾。

• 时间复杂度：O(n²)
• 空间复杂度：O(1)
• 不稳定排序（相同元素可能改变相对位置）

比冒泡略高效，但仍不适用于大数组。

3. 插入排序（Insertion Sort）

将未排序元素逐个插入到已排序部分的正确位置，类似整理扑克牌。

• 时间复杂度：平均/最坏 O(n²)，最好 O(n)（接近有序时）
• 空间复杂度：O(1)
• 稳定排序

小数据或基本有序的数据表现不错，是某些高级算法的子过程（如Timsort中用到）。

4. 快速排序（Quick Sort）

采用分治法，选一个基准（pivot），将小于和大于基准的元素分区，递归排序两部分。

• 时间复杂度：平均 O(n log n)，最坏 O(n²)
• 空间复杂度：O(log n)（递归栈）
• 不稳定排序

实践中非常高效，Python的list.sort()早期版本曾基于快排（现为Timsort）。

5. 归并排序（Merge Sort）

也是分治法，将数组不断二分，直到单个元素，再合并有序子数组。

• 时间复杂度：始终 O(n log n)
• 空间复杂度：O(n)，需要额外存储
• 稳定排序

适合对稳定性有要求的场景，也是Timsort的基础之一。

6. 堆排序（Heap Sort）

利用堆这种数据结构（通常是最大堆）进行排序，反复提取堆顶元素。

• 时间复杂度：O(n log n)
• 空间复杂度：O(1)
• 不稳定排序

性能稳定，但常数较大，实际中不如快排或归并常用。

7. Timsort（Python默认使用的算法）

Python内置排序使用的是Timsort，由Tim Peters在2002年为Python设计。

• 结合了归并排序和插入排序的优点
• 对真实世界数据（如部分有序）特别高效
• 时间复杂度：最好 O(n)，平均/最坏 O(n log n)
• 稳定排序

现代Python中list.sort()和sorted()都使用Timsort，是工业级实现的典范。

基本上就这些。学习基础算法能帮助你写出更高效的代码，也能更好理解工具背后的原理。